Discussion :

[perrucar]

Bonjour à tous,

Je suis tout nouveau ici et j'espère être dans la bonne rubrique.
Je suis en train de travailler sur les différents types de codage des documents tel que les ISO-XXX, unicode, ...
Après de multiple recherches, je n'ai toujours pas trouvé la réponse.
Peut-on identifier automatiquement le codage d'un document quelconque lorsqu'on l'ouvre ?

Merci d'avance et à bientôt

[chtig]

Dans l'absolu non, ce n'est pas possible selon moi, mais il y a des heuristiques qui permettent d'estimer, et en général cela fonctionne correctement. Ultraedit se base là dessus pour t'afficher les infos de ton document.
Mais quelles sont ces heuristiques et quels sont les algos, là je ne sais pas du tout

[iohack]

Regarde le source de java.nio.charset.CharsetDecoder.detectedCharset() bien souvent cette méthode fonctionne.

[perrucar]

Bonsoir,

Merci pour ces réponse. Le problème est que j'ai beau y mettre toute la volonté du monde, je n'arrive toujours pas à retourner le codage d'un fichier que je rentre rn paramètre. Auriez un petit exemple concret pour arriver à un tel résultat.

Merci d'avance...

[iohack]

je n'arrive toujours pas à retourner le codage d'un fichier que je rentre rn paramètre

Tu peux être plus explicite ? ton PC a pris feu quand tu as lancé java ?

[perrucar]

N'appelez pas les pompiers, mon pc n'a pas pris feu.
Voilà l'idée :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
public Charset findCharset(File f) throws Exception{
 
        Charset ch = null;
 
 
 
        System.out.println(ch);
        return ch;
    }

Je pensai que trouver le charset d'un fichier serait aussi simple que de mettre mon fichier en paramètre de DetectedCharset() mais non et là je suis un peu paumer. Faudrait-il que je mette mon fichier dans un buffer de byte?
Pourriez-vous compléter ce bout de code pour trouver le charset d'un fichier que j'ai en paramètre car là je patauge grave!

[perrucar]

Il faudrait que je reconnaisse des codages assez fréquemment rencontré tel que UTF-8, UTF-16 et UTF32(little et big endian), ISO-8859-1 et -2, ASCII, ANSI, Unicaode, Unicode big Endian et les encodages de windows, le CP1251 et 1252 et après avoir passé quelques heures sur ce problème, je ne pense pas que la tâche soit aussi facile qu'un detectedCharset(). Pour l'instant je parcours seulement mon fichier et le met dans un buffer de byte comme peu le montrer le code ci-dessous :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
public Charset findCharset(File f) throws Exception{
 
        Charset ch = null;
        FileInputStream myFichier = new FileInputStream(f);
        FileChannel channelIn = myFichier.getChannel();
        ByteBuffer buffer = channelIn.map(FileChannel.MapMode.READ_ONLY,0, channelIn.size());
 
        //TODO
 
        channelIn.close();
        myFichier.close();
 
        return ch;
    }

Je pense qu'il faut gérer différents cas suivant les bits rencontrés mais je suis un peu dépasser. Toutes les nouvelles idées seront les bienvenues!!!